机器学习。使用单层人工神经网络（而不是多层）的优势是什么？

Question

今天参加了机器学习考试，我对一个问题不确定。 您可以选择以下哪些替代方案？

问题：  使用单层人工神经网络（而不是多层）的优势是什么？

• a）学习更快
• b）所有输入变量都是独立的
• c）可以学习任意复杂的决定
• d）较少的限制偏见

只有一种选择是正确的。

Answer 1

我实际上发现这个非常有趣的问题，我不理解downvotes（并且没有亲密的投票 - 如果有人认为它超出了范围，这将是合理的。）

• 学习更快 - 相当真实，在一层神经网络中，我们拥有更简单的函数模型，更少的参数，因此它应该更快收敛。尽管如此，我会说相当是真的，因为对于非常具体的数据，它实际上可能是另一种方式 - 一切都取决于初始化，处理等。
• 所有输入变量都是独立的 - 独立于什么？这个答案看起来很奇怪，这不是模型的一个特征，而是基于数据的一个，所以在这个特定测试的情况下 - 也 false
• 除非我们有更多的假设（至少2层，连续的，不同的，非空的激活函数，任意数量的隐藏单位），否则可以学习任意复杂的决策 - false 用于单层和多层神经网络，存在偏见）
• 限制偏差较少 - 错误，限制偏差是对搜索模型类别的限制。在一层NN的情况下，我们限制为线性分类器（或多或少，取决于激活函数/核化的使用），这是可能模型的一小部分（比MLP中的一个更窄）